基于meanshift算法人脸实时跟踪方法.docVIP

基于meanshift算法人脸实时跟踪方法 　　摘 要：复杂环境下实时人脸跟踪方法在视觉监控系统中具有很重要的意义，但目前的跟踪算法普遍存在目标遮挡、尺寸变化等过于敏感的不足，限制了其应用范围。提出了一种人脸检测、mean-shift算法与卡尔曼滤波器相结合的实时全自动人脸跟踪算法。实验结果表明该算法实时性很强，可以实现对运动人脸的快速跟踪，同时对目标遮挡也有很好的鲁棒性。 　　?す丶?词：人脸跟踪；mean-shift算法；卡尔曼滤波器；目标遮挡 　　?ぶ型挤掷嗪牛?TP391 文献标志码：A 　　 文章编号：1001-3695(2008)07-2225-03 　　 　　Real-time algorithm for face tracking based on mean-shift 　　JIANG Jian-guo,SUN Hong-yan,QI Mei-bin 　　(School of Computer Information, Hefei University of Technology, Hefei 230009, China) 　　?? 　　Abstract:A real-time face tracking under complex environment has significance in visual surveillance system, but one common problem to face tracking algorithms at present is their sensitivity to temporal occlusion and scale variations, which restrict them wide application. This paper proposed a real-time automatic face tracking algorithm which combined face detection and mean-shift algorithm with Kalman filter. In the experiments, the results show the proposed algorithm can track fast moving face successfully and have better robustness of occlusion. 　　??Key words：face tracking; mean-shift algorithm;Kalman filter; temporal occlusion 　　 　　在复杂环境下对目标进行实时有效的跟踪是计算机视觉中的关键技术，它涉及到图像处理、模式识别、人工智能以及自适应控制等多领域问题的综合。人脸是人类在社会活动中相互辨别的首要依据，提供了大量的视觉信息，如人脸识别、表情识别等。近年来，随着可视电话、视频会议、安全监控、人机交互等技术的发展，迫切需要对环境中的人员进行跟踪，所以获得清晰的、完备的人脸图像是视觉监控的一个重要任务，根据人脸特征实现对特定人的连续跟踪已经成为新的研究热点。在过去的几年中，已经有很多学者提出了不同的人脸跟踪算法。Mean-shift算法是目前较为流行的无参数模式快速匹配算法，此算法具有计算量小，实时性好，采用核函数直方图建模，对边缘遮挡和背景运动均不敏感等优点[1]。?? 　　本文通过基于肤色模型的快速人脸检测确定初始搜索窗口的位置与大小，改善了mean-shift半自动跟踪的缺陷，增加相似性测度相对阈值来更新模板，解决尺度变化和人脸转动在人脸跟踪中的影响。但是在复杂背景中，由于该算法只利用了颜色信息，对运动物体不作任何预测，抗干扰能力比较差，容易导致跟踪失败，需引入估计器预测运动参数。Kalman滤波是一个在最小协方差准则下的最优估计方法，能利用实际的运动参数不断修正未来运动状态的估计值，提高估计的精度，兼顾实时性和稳健性。本文结合mean-shift算法与Kalman滤波，利用Kalman滤波预测mean-shift搜索窗口中心位置，实验验证了此算法的有效性。?? 　　 　　1 跟踪算法描述?? 　　 　　Mean-shift算法存在半自动跟踪的缺陷，在起始跟踪帧，需要通过手动确定搜索窗口来选择目标。本文通过基于肤色模型的人脸检测算法来确定起始帧搜索窗口的位置与大小实现自动跟踪。首先将起始帧图像转换成HSV图像，再通过??H??分量阈值肤色区域分割，建立肤色模型提取出人脸,自动确定初始跟踪窗口的位置和大小，然后利用mean-shift迭代计算跟踪窗口的新位置，并将窗口的中心位置作为Kalman滤波的测量